基于迁移学习的航天器遥测数据异常检测技术

航天器遥测数据异常检测是识别航天器状态、保障航天器安全可靠运行的关键技术.然而,航天器遥测数据异常检测通常面临时序数据维度大、异常不平衡、标签样本缺乏等问题.基于数据预测的异常检测思想,提出一种基于迁移学习的深度异常检测模型.根据遥测数据时序相关性强的特点,采用具有注意力机制的长短期记忆网络建立遥测数据预测模型.为了克服航天器遥测数据异常标签少、数据维度高的问题,采用微调的迁移学习方法对预测模型进行优化,同时采用全连接层统一不同数据集维度,从而提高了迁移学习模型精度,提升异常检测水平.以美国宇航局公开的两个航天器数据集为实验对象,利用提出的异常检测方法对该数据集异常状态进行识别,结果表明,与经典异常检测算法相比,引入迁移学习能明显提升模型性能,实验结果优于目前常见的异常检测模型,证明了方法的有效性.

航天器遥测信息传递通用接口设计

针对国内各航天器研制方与测控中心在遥测信息处理传递过程中面临的设计不统一、结构不规范、处理周期长、交互难度大等问题,采用分层模型的遥测参数处理方案,设计航天器遥测信息传递通用接口.参照空间数据系统咨询委员会(CCSDS)的可扩展标记语言的遥测遥控信息交换(XTCE)标准,实现航天器遥测信息由顶层至底层、从总体结构到单个元素的规范设计.首先,建立通用规范的航天器遥测信息分层表示模型,明确航天器各分系统的分支节点;其次,详细定义航天器遥测元素标记,包括属性、可选属性、下属元素等;最后,实现了遥测信息传递通用接口软件.设计验证结果表明:航天器遥测信息传递通用接口可实现遥测信息从航天器研制方到测控中心的无损传递,提高航天器设计制造、测控管理和应用效能.

基于InSQL数据库的航天器遥测数据存储方法研究

本文对航天器遥测数据采用实时数据库进行存储的方法进行了研究。根据航天器遥测数据以及In SQL数据库的特性,构造了遥测数据存储的数据接口,并对确保数据正确性的数据过滤算法进行了研究。

应用行程编码的航天器分包遥测压缩算法研究

针对航天器延时遥测存储数据量较大的问题,提出了一种应用行程编码(RLE)的分包遥测压缩算法。根据遥测数据的特点,对压缩算法进行改进,使压缩效果得到进一步提升。此外,对压缩数据生成符合空间数据系统咨询委员会(CCSDS)标准的分包遥测机制进行了阐述。对某卫星的试验表明,使用改进后的压缩算法,能够获得6.11倍的遥测压缩比,可提高延时遥测采样频率,增加航天器在境外的可用遥测数据量。